Un modelo de previsión solo es útil cuando sus entradas existían antes del resultado que predice. Las divisiones aleatorias de filas pueden ocultar esa restricción al mezclar observaciones posteriores en el entrenamiento. Reservarás un tramo final cronológico, revisarás los límites de una validación creciente y compararás una previsión futura con un modelo de referencia basado en la última observación. La primera fila de validación ya está fuera del entrenamiento; un índice desplazado en uno puede volver a meterla en el ajuste. Un hueco puede representar un retraso en la disponibilidad de las etiquetas. Los datos de esta lección son una secuencia ficticia de pedidos con tendencia y variación repetida, así que un error futuro responde a una pregunta distinta de la de un error con muestra aleatoria.
Un conjunto reservado cronológico encaja con una decisión de previsión que solo tiene acceso a observaciones anteriores.